ついに、次の言語向けの高品質の事前トレーニング済み音声認識モデル（つまり、Googleのプレミアムモデルと同等の品質）のセットを公開しました。

• 英語;
• ドイツ人;
• スペイン語;

モデルは、品質と速度の例と指標とともに、リポジトリにあります。また、モデルの使用をできるだけ簡単にするように努めました。Collabに例を投稿し、PyTorch、ONNX、TensorFlowのチェックポイントを投稿しました。モデルはTorchHubからアップロードすることもできます。

どうしてそれが重要ですか

音声認識は、従来、いくつかの理由で参入に対する高い障壁がありました。

• データの収集は困難です。
• 同等のデータユニットのマークアップは、コンピュータビジョンよりもはるかに高価です。
• 計算能力と時代遅れの技術に対する高い要件。

これは、リリース前に既存の音声認識ソリューションが直面していた典型的な問題のリストです。

• この分野の研究は通常、膨大な計算能力で行われます。
• - , " ", ;
• , - ;

- , ( ). :

• - ;
• ;
• ;
• - ;
• , , ;

—

, . :

• ;
• . , , ;
• ("1 ");

, — 50 .

— 10-20 .

.

• Github
• 品質指標
• Colabの例